病害诊断综述.pdf

农作物病虫害诊断综述

国外对作物病害诊断研究开始于20世界80年代。1985年，安冈善文等对

有毒气体污染的作物叶片的红外图像进行了研究，其中红外图像显示了作物叶片

被污染的区域，同时提出通过颜色来诊断作物的病害这是图像应用于农业的开

端。1999年，YuatakaSasaki等研究了黄瓜白粉病的自动诊断方法，通过研究不

同分光反射与光学滤波对作物病害的影响，采用遗传算法建立识别模型，成功的

对作物的病害做出了诊断。2003年，YuatakaSASAKI利用作物病斑的形状特征诊

断出了作物的病害类型。釆用遗传算法优化多个不同的参数，找到了更符合病害

诊断的参数。2004年，MohammedEl-Helly等通过利用人工神经网络的方法自动

检测叶片病斑来判断病害类型，可较好的识别黄瓜炭疽病、霜霉病和病虫害的叶

片。MohammadSammany(2006,2007)等研究出了利用遗传算法优化神经网络的

参数的方法来识别作物病害。国外早在上世纪80年代就开始了对病害作物图像

进行病害识别诊断的研究。YuatakaSasaki等（1999）对黄瓜的炭疽病进行了诊

断研究，针对不同光学滤波和分光反射对病害识别的影响特点，采用遗传算法对

炭疽病进行识别，并于2003年利用遗传算法对黄瓜病斑图像的多个形状特征参

量进行了优选，最终找到了能够准确识别不同黄瓜病害的有效形状特征参量。

MohammedEl-Helly等（2004）基于计算机软件开发平台，综合考虑黄瓜叶部病

害的特征，利用图像识别技术设计了黄瓜叶部病害识别系统，该系统可以较好的

识别黄瓜叶片病害。Dr.Jeffrey和T.Drake等（2004）在美国农业部研制昆虫识别

系统，该系统主要用于大量标本的快速识别分类，其图像分割算法能够在大量昆

虫标本中提取单一昆虫标本，并能对大多数昆虫标本进行分割且得到较好的分割

效果。MohammadSammany等（2006）利用遗传算法优选出神经网络有关结构

和参数，并将其应用到作物病害识别诊断研究，获得良好识别效果。之后为减少

输入特征向量个数，提高运算效率，加入了粗糙集技术，借此缩短了病害诊断时

间。Huang等（2007）运用图像分析和神经网络技术，以蝴蝶兰病虫害为研究对

象，首先采用自适应指数变换法将病虫害区域分割出来，然后提取病虫害区域的

颜色和纹理特征，最后构建出神经网络模型对蝴蝶兰病虫害进行分类识别，正确

识别率可达97.2%。Burks（2000，2002）和Pydipati等(2005,2006)将图像从RGB

颜色空间转换到HSI颜色空间，利用共生矩阵提取颜色和纹理特征参数，并以此

特征参数作为识别杂草及病害的判别依据，取得很好识别效果。Boese等（2008）

利用大叶藻病害叶片伪彩色图像计算其病斑面积，通过大量实验表明，该方法极

大提高了叶部多种病虫害的正确识别率。美国学者Zayas采用机器视觉技术对散

装小麦中谷蠢虫进行了离线研究，结果表明：此方法正确识别率较高，但残缺粮

粒、害虫的不同姿态、草籽等因素对虫害的识别有较大的影响。

相对于国外研究情况，国内对农作物病害的识别诊断方面研究起步较晚，但

也取得了一定成果。毛罕平等（2001）主要通过提取番茄缺素叶片的颜色、纹理

特征，建立了三叉树模式识别框架，并在该框架基础上加入模糊K近邻法进行缺

素种类识别；之后他们又设计了基于神经网络技术的番茄缺素识别系统，正确识

别率均在85%以上。沈佐锐、于新文等利用昆虫虫体的面积、周长等11个数学

形态特征向量对四十种不同昆虫实现了自动鉴别，得出了不同昆虫各项数学特征

的权重。田有文等(2004-2007)将玉米、黄瓜等作物病斑的颜色、纹理特征作为支

持向量机（SVM）模式识别方法的特征输入，对病害进行了识别诊断；之后，他

们通过对葡萄叶部病害的识别，证明了支持向量机较神经网络算法来说，对小样

本问题具有更好的识别性能。王双喜等针对温室黄瓜叶部病害图像进行了分割、

增强、特征提取等方面的研究，研究表明，采用灰度共生矩阵方法提取出来的惯

性矩，能有效区分黄瓜斑疹病和角斑病；同时研究发现，多区域双峰法可较准确

地去除病害背景。胡春华和李萍萍等（2004）分别在RGB、HSV等颜色空间中分

析比较正常的黄瓜叶片和缺铁、缺镁、缺氮的黄瓜叶片彩色图像的颜色特征，并

给出不同缺素图像的特征，研究发现，利用HSV颜色空间中的H（色调）的相对

差值百分比直方图，可以有效确定叶片的缺素病态区间。崔艳